基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè)

1、基于神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè)摘要Elan神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)，它具有適應(yīng)時(shí)變性的才能。以江蘇省技術(shù)人才系統(tǒng)為例，說(shuō)明了Elan神經(jīng)網(wǎng)絡(luò)在人才需求預(yù)測(cè)中的應(yīng)用，并將其預(yù)測(cè)結(jié)果與基于BP靜態(tài)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值進(jìn)展了比較。指出了Elan神經(jīng)網(wǎng)絡(luò)在對(duì)人才系統(tǒng)這樣的動(dòng)態(tài)系統(tǒng)進(jìn)展預(yù)測(cè)時(shí)優(yōu)越性。關(guān)鍵詞人才預(yù)測(cè)Elan神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)隨著知識(shí)經(jīng)濟(jì)的到來(lái)，人才在區(qū)域經(jīng)濟(jì)中的作用日益彰顯，人力資源規(guī)劃已經(jīng)成為區(qū)域經(jīng)濟(jì)開(kāi)展的重要影響因素。因此人力資源需求預(yù)測(cè)逐漸被接納和重視。人才預(yù)測(cè)的方法有很多種，神經(jīng)網(wǎng)絡(luò)是較為常用的方法之一。目前大多數(shù)采用的是基于BP算法的神經(jīng)網(wǎng)絡(luò)，它可以看成是輸入與輸出

2、集合之間的一種非線性映射，通過(guò)對(duì)有限樣本的學(xué)習(xí)來(lái)模擬系統(tǒng)的內(nèi)部構(gòu)造。但BP網(wǎng)絡(luò)作為一種靜態(tài)前饋網(wǎng)絡(luò)，它對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)展辨識(shí)時(shí)將動(dòng)態(tài)時(shí)間建模問(wèn)題變?yōu)殪o態(tài)空間建模問(wèn)題。Elan回歸神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)，它是在BP網(wǎng)絡(luò)根本構(gòu)造的根底上，通過(guò)存儲(chǔ)內(nèi)部狀態(tài)使其具備映射動(dòng)態(tài)特征的功能，從而使系統(tǒng)具有適應(yīng)時(shí)變特性的才能。因此，考慮到人才系統(tǒng)具有動(dòng)態(tài)性的特點(diǎn)，嘗試采用Elan神經(jīng)網(wǎng)絡(luò)以江蘇省技術(shù)人才系統(tǒng)為例進(jìn)展預(yù)測(cè)。一、Elan神經(jīng)網(wǎng)絡(luò)Elan神經(jīng)網(wǎng)絡(luò)是Elan于1990年提出的，該模型在前饋網(wǎng)絡(luò)的隱含層中增加一個(gè)承接層，作為一步延時(shí)算子，到達(dá)記憶的目的，從而是系統(tǒng)具有適應(yīng)時(shí)變特性的才能，能直接反

3、映動(dòng)態(tài)過(guò)程系統(tǒng)的特性。1.Elan神經(jīng)網(wǎng)絡(luò)構(gòu)造Elan神經(jīng)網(wǎng)絡(luò)一般分為4層：輸入層、中間層隱含層、承接層、輸出層，如圖1所示。其輸入層、隱含層、輸出層的連接類(lèi)似于前饋網(wǎng)絡(luò)，輸入層的單元僅起信號(hào)傳輸作用，輸出層單元起線性加權(quán)作用。隱含層單元的一步傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱(chēng)為上下文層或狀態(tài)層，它用來(lái)記憶隱含層單元前一時(shí)刻的輸出值，可以認(rèn)為是一個(gè)延時(shí)算子。Elan神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是隱含層的輸出通過(guò)承接層的延遲與存儲(chǔ)，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對(duì)歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反應(yīng)網(wǎng)絡(luò)的參加增加了網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的才能，從而到達(dá)了動(dòng)態(tài)建模的目的。2.Elan神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程

4、以圖1為例，Elan網(wǎng)絡(luò)的非線性狀態(tài)空間表達(dá)式為：其中，y,x,u,x分別表示維輸出結(jié)點(diǎn)向量，n維中間層結(jié)點(diǎn)單元向量，r維輸入向量和n維反應(yīng)狀態(tài)向量。3,2,1分別表示中間層到輸出層、輸入層到中間層、承接層到中間層的連接權(quán)值。g(*)為輸出神經(jīng)元的傳遞函數(shù)，是中間層輸出的線性組合。f(*)為中間層神經(jīng)元的傳遞函數(shù)，常采用S函數(shù)。Elan網(wǎng)絡(luò)也采用BP算法進(jìn)展權(quán)值修正，學(xué)習(xí)指標(biāo)函數(shù)采用誤差平方和函數(shù)：其中為目的輸出向量。二、基于Elan神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè)1.Elan網(wǎng)絡(luò)樣本設(shè)計(jì)在實(shí)際的人力資源規(guī)劃中，江蘇省年的技術(shù)人才需求不僅受到年江蘇經(jīng)濟(jì)狀況的影響，由于人才需求的時(shí)滯性，而且受到等

5、年份諸多因素的影響，具有動(dòng)態(tài)性。表1給出了1989年2022年江蘇省的地區(qū)消費(fèi)總值GDP和技術(shù)人才數(shù)量。如今利用前14年的數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練樣本，每4年的人才數(shù)和第5年的地區(qū)消費(fèi)總值作為輸入向量，第5年的人才數(shù)作為目的向量。這樣可以得到11組訓(xùn)練樣本。第15、16年的數(shù)據(jù)作為網(wǎng)絡(luò)的測(cè)試樣本，主要看網(wǎng)絡(luò)能否合理地預(yù)測(cè)出當(dāng)年的數(shù)據(jù)。轉(zhuǎn)貼于論文聯(lián)盟.ll.表1江蘇省技術(shù)人才數(shù)和地區(qū)消費(fèi)總值(1989年2022年)2.Elan網(wǎng)絡(luò)訓(xùn)練與測(cè)試獲得樣本數(shù)據(jù)后，由于原始樣本中各向量的數(shù)量級(jí)差異很大，為了防止局部神經(jīng)元到達(dá)飽和狀態(tài)，在研究中使用ATLAB7對(duì)樣本進(jìn)展的輸入進(jìn)展歸一。接下來(lái)是設(shè)計(jì)Elan網(wǎng)絡(luò)的構(gòu)

6、造。合理的網(wǎng)絡(luò)構(gòu)造是預(yù)測(cè)性能的基矗實(shí)際上構(gòu)造確實(shí)定尤其是中間層神經(jīng)網(wǎng)絡(luò)元數(shù)確實(shí)定是一個(gè)經(jīng)歷性的問(wèn)題，需要大量的實(shí)驗(yàn)。分別使用不同的中間層神經(jīng)網(wǎng)絡(luò)元數(shù)來(lái)構(gòu)造Elan網(wǎng)絡(luò)，使用訓(xùn)練樣本進(jìn)展學(xué)習(xí)訓(xùn)練，用測(cè)試樣本進(jìn)展測(cè)試分析預(yù)測(cè)值和實(shí)際值的誤差，觀察其訓(xùn)練曲線和預(yù)測(cè)誤差曲線。經(jīng)過(guò)反復(fù)試算，中間層神經(jīng)網(wǎng)絡(luò)元數(shù)目為8，傳遞函數(shù)為tansig時(shí)，網(wǎng)絡(luò)收斂于允許誤差的范圍內(nèi)。圖2給出了Elan神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值的比較。圖2Elan網(wǎng)絡(luò)輸出值與實(shí)際值比照3.與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)比較分析BP神經(jīng)網(wǎng)絡(luò)是人才預(yù)測(cè)中最常見(jiàn)的非線性方法，是一種單向傳播的多層次前向網(wǎng)絡(luò)。經(jīng)過(guò)反復(fù)訓(xùn)練，建立構(gòu)造為5-9-1的江蘇技術(shù)人才需

7、求BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，算出江蘇技術(shù)人才需求的BP網(wǎng)絡(luò)預(yù)測(cè)值，并與Elan神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)展比較。圖3是BP神經(jīng)網(wǎng)絡(luò)的擬合曲線，與圖2相比可以看出，Elan神經(jīng)網(wǎng)絡(luò)的擬合曲線更接近于實(shí)際值曲線。因此，Elan神經(jīng)網(wǎng)絡(luò)在江蘇技術(shù)人才需求趨勢(shì)的擬合上有著B(niǎo)P神經(jīng)網(wǎng)絡(luò)不可比較的優(yōu)勢(shì)。局部預(yù)測(cè)結(jié)果的比較分析見(jiàn)表2。圖3BP網(wǎng)絡(luò)輸出值與實(shí)際值比照表2Elan神經(jīng)網(wǎng)絡(luò)擬合與預(yù)測(cè)結(jié)果三、結(jié)論Elan神經(jīng)網(wǎng)絡(luò)是在BP網(wǎng)絡(luò)的根底上參加反應(yīng)信號(hào)，利用內(nèi)部狀態(tài)反應(yīng)來(lái)描繪系統(tǒng)的非線性動(dòng)力學(xué)行為，進(jìn)步了學(xué)習(xí)速度，合適動(dòng)態(tài)系統(tǒng)的實(shí)時(shí)辨識(shí)。Elan神經(jīng)網(wǎng)絡(luò)代表了神經(jīng)網(wǎng)絡(luò)建模、辨識(shí)與控制的開(kāi)展方向。假設(shè)能將其與灰色模型、多元回歸模型結(jié)合起來(lái)，那么有可能進(jìn)一步進(jìn)步人才預(yù)測(cè)的精度，并能在人力資源規(guī)劃中發(fā)揮更大的作用。參考文獻(xiàn)：1董長(zhǎng)虹：ATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用.國(guó)防工業(yè)出版社,20222李濤宋光興：區(qū)域人才資源需求預(yù)測(cè)方法研究J.云南財(cái)經(jīng)大學(xué)學(xué)報(bào),2022,(3)3盛艷波：基于BP神經(jīng)網(wǎng)絡(luò)和ARIA組合模型預(yù)測(cè)浙江省人均國(guó)內(nèi)消